[发明专利]神经网络处理器、卷积神经网络数据复用方法及相关设备

说明书

一种神经网络处理器，包括：存储电路，存储进行卷积运算所需的初始输入数据和权重值；至少一个计算电路，包括：数据缓存器，缓存初始输入数据；权重缓存器，缓存权重值；卷积运算器，在当前层卷积神经网络中根据初始输入数据及权重值进行卷积运算得到多个第一卷积结果，并将具有对应关系的第一卷积结果进行累加后得到多个第二卷积结果；同时，删除所述多个第一卷积结果；结果缓存器，缓存多个第二卷积，作为下一层卷积神经网络的所述初始输入数据。本发明还提供一种卷积神经网络数据复用方法、装置、电子设备及存储介质。本发明通过多层次数据复用，提高了神经网络处理器的运算速度，并降低了功耗。

技术领域

本发明涉及人工智能技术领域，具体涉及一种神经网络处理器、卷积神经网络数据复用方法、卷积神经网络数据复用装置、电子设备以及存储介质。

背景技术

神经网络处理器中最常用的一种模型为卷积神经网络模型，然而，卷积神经网络模型在进行运算时存在速度慢，功耗大等一系列问题。因此，如何提高神经网络处理器中卷积神经网络模型的运算速度并降低功耗，成为当前亟待解决的技术问题。

发明内容

鉴于以上内容，有必要提出一种神经网络处理器、卷积神经网络数据复用方法、卷积神经网络数据复用装置、电子设备及存储介质，通过复用数据来提高神经网络处理器的运算速度，并降低神经网络处理器的功耗。

本发明的第一方面提供一种神经网络处理器，所述神经网络处理器包括：

存储电路，用于存储进行卷积运算所需的初始输入数据和权重值；

至少一个计算电路，用于从所述存储电路中读取所述初始输入数据和所述权重值，并基于所述初始输入数据和所述权重值进行卷积运算，其中，所述至少一个计算电路包括：

数据缓存器，用于缓存所述计算电路读取的所述初始输入数据；

权重缓存器，用于缓存所述计算电路读取的所述权重值；

卷积运算器，用于在当前层卷积神经网络中根据所述初始输入数据及所述权重值进行卷积运算得到多个第一卷积结果，并将具有对应关系的所述第一卷积结果进行累加后得到多个第二卷积结果；同时，当对所有具有对应关系的所述第一卷积结果进行累加后，删除所述多个第一卷积结果；

结果缓存器，用于缓存所述多个第二卷积结果，并根据预设存储规则将所述多个第二卷积结果发送至所述数据缓存器中，作为下一层卷积神经网络的所述初始输入数据；或者，发送至所述存储电路中进行存储。

优选的，所述预设存储规则包括：

当所述当前层卷积神经网络不为最后一层卷积神经网络时，所述结果缓存器将所述多个第二卷积结果确定为中间的卷积结果，并将所述中间的卷积结果发送至所述数据缓存器；

当所述当前层卷积神经网络为最后一层卷积神经网络时，所述结果缓存器将所述多个第二卷积结果确定为最终的卷积结果，并将所述最终的卷积结果发送至所述存储电路中。

优选的，所述卷积运算器在当前层卷积神经网络中根据所述初始输入数据及所述权重值进行卷积运算得到多个第一卷积结果包括：

将所述初始输入数据的第Q行数据与预设卷积核的第L行数据进行卷积运算，对应得到的数据为第三卷积结果的第Q-L+1行的子数据；

将所有位于第Q-L+1行的子数据进行累加，得到第Q-L+1行的数据；

根据所述第三卷积结果与所述权重值进行卷积运算得到多个所述第一卷积结果；

其中，Q的取值范围为1至M，M为所述初始输入数据的总行数，L的取值范围为1至N，N为所述预设卷积核的总行数。